1 dépôt
Awesome GitHub RepositoriesMissing Data Clustering
Grouping variables based on their patterns of missingness to reveal dependencies.
Distinct from Missing Data Identification: Distinct from Missing Data Identification: groups variables by shared missingness patterns rather than simply detecting nulls.
Explore 1 awesome GitHub repository matching data & databases · Missing Data Clustering. Refine with filters or upvote what's useful.
Awesome Missing Data Clustering GitHub Repositories
Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
- residentmario/missingno
ResidentMario/missingno
4,209Voir sur GitHubmissingno est une bibliothèque Python pour la visualisation et l'analyse des modèles de données manquantes. Elle fournit un ensemble d'outils pour profiler l'exhaustivité des jeux de données, cartographier les lacunes de données et quantifier le volume de valeurs nulles à travers les variables. La bibliothèque se différencie par un analyseur de corrélation de nullité et un outil de clustering de données hiérarchique. Ces composants permettent la détection de dépendances et de tendances systémiques en mesurant comment l'absence d'une variable est liée à l'absence d'une autre. L'ensemble d'outils couvre des capacités plus larges d'audit de qualité des données et d'analyse exploratoire. Il inclut des fonctionnalités pour la synthèse de la nullité des colonnes en utilisant des échelles linéaires et logarithmiques, ainsi qu'une cartographie basée sur des matrices pour identifier les lacunes systémiques dans les enregistrements.
Groups variables using hierarchical clustering to reveal deep trends and dependencies in how data is missing across a dataset.
Pythondata-analysisdata-visualizationmissing-data
